《DAY 2》
🚀 快速掌握本文精華
- LLM(Large Language Model) 已不只是聊天,還能規劃與行動
- LLM 的應用型態:
1️⃣ Basic Q&A:單純問答,無外部知識
2️⃣ RAG(檢索增強生成):結合資料庫,答案更準確
3️⃣ Agent:具備規劃與行動,能自主完成任務- 代表應用:ChatGPT、Claude、Gemini、Copilot 等
- 下一步(Day 3):AI 如何與外部世界互動(工具鏈與自動化)
在 Day 1 我們談到生成式 AI 的創造力(GAN vs Diffusion)。
今天的主角則是 大型語言模型(LLM) —— 不只是單純回答問題,而是逐漸進化為 能規劃、能行動的智慧代理人(Agent)。
最早期的 LLM 應用就是 簡單問答:
📌 適合用於:客服自動回覆、FAQ 聊天機器人
⚠️ 缺點:知識可能過時,缺乏專業或即時性。
✨ 小結:Q&A 模式適合簡單互動,但不足以支撐專業與即時需求。
RAG(Retrieval-Augmented Generation) 的關鍵在於:
📊 流程圖:
應用場景:
✨ 小結:RAG 讓 LLM 答案更 準確、即時、可控,是企業應用的首選架構。
Agent(智慧代理人) 是 LLM 的進化形態。
它不只「回答」,還能 規劃步驟、呼叫工具、執行任務。
🔑 核心特色:
應用場景:
模式 | 特徵 | 限制 | 適用情境 |
---|---|---|---|
Q&A | 單純問答 | 知識有限、容易幻覺 | FAQ、聊天機器人 |
RAG | 檢索 + 生成 | 需建構知識庫 | 企業應用、精準知識問答 |
Agent | 能規劃、能行動 | 複雜度高、需工具支持 | 自動化任務、智慧助理 |
✨ 小結:Q&A 是基礎,RAG 是進化,而 Agent 是未來 —— AI 從回覆者走向行動者。
Day 2 帶大家走過 LLM 的三個階段:
👉 點我觀看影片
這正是我們今天使用 ChatGPT、Claude、Gemini、Copilot 時所見到的演進。
未來,LLM 不只會「回應」我們,更會 代表我們行動。
🔜 Day 3 預告:AI 與外部世界的互動 —— 工具鏈(Toolchain)與多模態(Multimodal)應用。
#大型語言模型 #LLM #RAG #AI代理人 #Agent #生成式AI #ChatGPT #Claude #Gemini #Copilot #AI應用